onnx 图像分类

原创 已于 2023-12-18 16:06:19 修改 · 839 阅读 · 4 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#onnx

于 2023-12-18 16:02:26 首次发布
本文介绍了如何使用Netron工具可视化PyTorch模型，并详细说明了如何将PyTorch模型转换为ONNX格式，以便在本地终端通过ONNXRuntime进行部署和推理。作者提供了安装配置步骤、模型转换示例以及实际预测图像的全流程操作。

参考文章：

【netron】模型可视化工具netron-优快云博客

Pytorch图像分类模型部署-ONNX Runtime本地终端推理_哔哩哔哩_bilibili

使用netron可视化模型结构

1）使用在线版

浏览器访问：Netron

点击 “Open Model” 按钮，选择要可视化的模型文件即可

2）下载本地版

终端进行安装： pip install netron
安装完成后，在脚本中 调用包 import netron
运行程序 netron.start("model.onnx")， 会自动打开浏览器进行可视化 （最后有例子）

我习惯用 pytorch，但是 netron 对 pytorch 的 .pt 和 .pth 文件不是很友好，所以，我都是先转换为 onnx 格式，再进行可视化，下面举例。

简化可视化模型：

ONNX模型转换及使用指南-优快云博客

onnx的概念 

最低0.47元/天 解锁文章
pythonSuperman
关注
Qt+ONNX+TensorRT:基于ONNX+TensorRT+AlexNet+Qt+WIN10的图像分类
qianxun
04-28 1372
目录 1、模型训练 2、导出ONNX模型 3、ONNX转换为trtModel 4、加载trtModel文件进行推理 5、推理结果 面我们写到了如何使用训练一个分类模型、如何基于训练的分类模型进行tensorrt的网络模型搭建然后进行推理，但是这样导致 我们要去手写网络模型，这样一方面难度比较大，现在更多的是转换为onnx模型进行推理，所以这里面我们使用onnx进行trt的加速推理。 大家可以参考我之前的一些博客： TensorRT+图像分类：手动搭建AlexNet得图像分类---训练_M
经典CV领域 onnx 转 ncnn 实验总结 | 纯模型转换实验记录 |【onnx 转 ncnn】
专注于AI领域前沿技术学习与分享：目标检测、图像修复、超分重建、AI工程化
08-04 629
https://github.com/onnx/models 本文，主要是进行经典 *.onnx 模型转换为 ncnn 模型 实验，统计相关模型转换失败原因 onnx 转 ncnn 实验总结 | 纯粹模型转换 可以直接顺利转换的 onnx 模型如下Image Classification【分类模型】Object Detection & Image Segmentation【检测】Body, Face & Gesture Analysis【姿态分析】Image Manipulation遇到.
image-classification-pytorch-onnx:图像分类-pytorch-onnx转换
03-25
AIP培训师-图像分类
用pytorch训练图像分类器模型导出ONNX测试
热门推荐
牧野的博客
10-29 1万+
项目实现功能 1. 搭建一个简单的图片分类器，完成训练和测试 2. 转换pytorch的pth模型到ONNX格式，加载ONNX并测试 项目结构 images目录下存放训练和测试数据集，本例使用了kaggle竞赛的猫狗数据集，统一resize到了120*120大小；TrainTestConvertOnnx.py 是训练和测试代码，包括了pth模型到onnx的转换。训练在CPU和GP...
【图像分类模型--OnnRunTime】
Oo_Amy_oO的博客
12-12 628
OnnRuntime是一个用于执行ONNX模型的Python库，它提供了一个简单的API，使得使用ONNX模型变得非常容易。使用OnnRuntime，用户可以轻松地执行预测、推理和评估ONNX模型，同时还可以进行调试和优化。在这个例子中，我们首先加载一个ResNet50v2模型文件“resnet50v2.onnx”，然后使用PIL库加载一个样例图像。接下来，我们对图像进行一些预处理，然后在输入到模型中进行预测。最后，我们使用一个包含预测标签的文本文件，将模型输出中的前5个最高置信度标签打印出来。
【onnx】——onnx模型计算图解析
怡宝2号
10-12 3483
整个定义是主要就是这三个部分最外层是ModelProto，记录一些模型信息：ir版本，来自pytorch/tensorflow，… ， 和GraphProto////};GraphProto才是核心，里面主要包含：1.保存const tensor + 预训练的参数。2.保存每个op 输入，输出 tensor 名字。}NodeProto}所以整个计算图的node的输入，来自于node.input，node的输出记录在node.output。
将ONNX图像分类模型转换为Core ML
04-08
本篇文章将详细介绍如何将基于ONNX的ResNet图像分类模型转换为Core ML格式，以便在iOS应用中使用。 首先，我们要了解ResNet（Residual Network），这是一种深度卷积神经网络，因其残差块的设计而闻名，可以解决深度...
C# winform使用纯opencvsharp部署yolov11-onnx图像分类模型源码
10-06
在当前人工智能与计算机视觉领域中，使用深度学习技术进行图像识别与分类已成为重要研究方向。本项目文档详细介绍了如何在C# WinForm应用中集成与部署YOLOv11模型，该模型基于ONNX（Open Neural Network Exchange）...
C# winform yolov8-onnx图像分类模型部署源码
01-03
【视频演示】 bilibili.com/video/BV1Se411v7oy/ 【博客地址】 blog.youkuaiyun.com/FL1623863129/article/details/135359963 【测试环境】 vs2019 net framework4.7.2 opencvsharp4.8.0
【深度学习】【图像分类】【OnnxRuntime】【Python】VggNet模型部署
yangyu0515的博客
09-13 1206
【深度学习】【图像分类】【OnnxRuntime】【Python】VggNet模型部署
七、图像分类模型的部署（Datawhale组队学习）
小刘的博客
01-29 1105
本文主要讲述了ONNX-ONNX Runtime部署流程，首先将训练好的Pytorch模型转ONNX模型，这样我们就可以将ONNX模型在任何安装了ONNX Runtime环境的机器上进行运行，进行单张图片的预测、调用摄像头进行实时画面的预测等。使用ONNX我们可以让模型在不同框架之间进行迁移，方便我们低成本的将模型部署到移动设备中去。
【工具】onnx模型结构信息查看方式：netron、onnxruntime和onnx
余俊晖，NLP炼丹师，目前专注自然语言处理领域研究。曾获得国内外自然语言处理算法竞赛TOP奖项近二十项。
08-19 5056
将模型转为onnx格式进行部署时，对模型结构不是特别清楚，尤其是模型的输入输出结构时，通常使用一些工具进行查看。
PyTorch2ONNX-分类模型：速度比较（固定维度、动态维度）、精度比较
Le0v1n 的博客
01-29 2604
PyTorch2ONNX-分类模型：速度比较 1. 固定维度 v.s. 动态维度 v.s. PyTorch 2. 单Batch v.s. 多Batch 3. 精度比较
【深度学习】ONNX：从入门到精通
fengdu78的博客
09-24 7336
在软件工程中，部署指把开发完毕的软件投入使用的过程，包括环境配置、软件安装等步骤。类似地，对于深度学习模型来说，模型部署指让训练好的模型在特定环境中运行的过程。相比于软件部署，模型部署会面临更多的难题：运行模型所需的环境难以配置。深度学习模型通常是由一些框架编写，比如 PyTorch、TensorFlow。由于框架规模、依赖环境的限制，这些框架不适合在手机、开发板等生产环境中安装。深度学习模型的结...
【6】图像分类部署
2301_78630677的博客
07-05 942
包括将训练好的模型部署在本地终端、web端、小程序上、qt界面化。本文主要介绍了如何将pytorch模型转为ONNX模型文件以及如何将图像识别模型部署，包括部署在本地、部署在web网页、小程序、qt界面部署。2024/6/13。
ONNX 模型图优化
傻丫头的博客
09-09 5382
假设一个场景，需要修改已有的ONNX模型......
pytorch 转换onnx_是什么引起了各个框架 Resize 操作的结果不同？——来自 ONNX 的标准化尝试...
weixin_30781059的博客
12-08 1108
作者：京东AI研究院 张建浩炼丹师在转换模型的时候，经常会发现给转换前后的模型输入同样的图片，模型结果有微小的差别。其中的原因有数值算法的误差、不同 jpeg 解码库产生的结果不同等等，也有不同框架内部对某些算子的实现差异。在给 ONNX 贡献 Resize 算子的 spec 的时候，我发现 Resize 是一个突出体现了框架实现差异的算子——多种 Resize 类型、不统一的超参数、将错就错的历...
【RK3588 第四篇】YOLO V5中pytorch2onnx，pytorch和onnx模型输出不一致，精度降低
钱多多先森
10-13 5661
pytorch转onnx模型发现的问题，以及转rknn出现的精度下降，同时验证了新的pytorch转onnx模型出现的麻烦事
QT 6.6.0 中腾讯优图NCNN环境配置以及基于ONNX转NCNN模型文件实现图像分类
Keep_Trying_Go的博客
09-30 1227
NCNN从2012开创之初作为移动端轻量级的模型部署框架，对其总结如下：ncnn从设计之初就深刻考虑了手机端的部署和使用，具有无第三方依赖、跨平台的特点，手机端CPU的速度快于目前所有已知的开源框架。框架由‌推出，旨在为移动设备提供高效的神经网络计算能力。ncnn支持卷积神经网络，支持多输入和多分支结构，能够处理复杂的网络结构，如vgg、‌、resnet、squeezenet等。此外，ncnn不依赖任何第三方库，完全使用‌实现，支持跨平台编译和运行，包括‌、‌、‌、‌、‌等系统。
opencvsharp部署yolov11-onnx图像分类模型
最新发布
09-04
使用纯OpenCvSharp部署YOLOv11 - ONNX图像分类模型，可按以下方式进行： 1. **准备环境**：确保开发环境已安装OpenCvSharp和必要的.NET框架，如VS2019和.NET Framework 4.7.2。同时，需要YOLOv11的ONNX模型文件、配置文件（描述模型架构）和类别名称文件[^1]。 2. **加载模型**：使用OpenCvSharp的DNN模块加载YOLOv11的ONNX模型，将模型文件路径传递给DNN模块的相关函数。示例代码如下： ```csharp using OpenCvSharp; using OpenCvSharp.Dnn; // 加载模型 Net net = CvDnn.ReadNetFromONNX("yolov11.onnx"); ``` 3. **预处理图像**：对输入图像进行预处理，如调整大小、归一化等，以满足模型的输入要求。示例代码如下： ```csharp // 读取图像 Mat image = Cv2.ImRead("input.jpg"); // 调整图像大小 Mat resizedImage = new Mat(); Cv2.Resize(image, resizedImage, new Size(640, 640)); // 归一化 Mat blob = CvDnn.BlobFromImage(resizedImage, 1.0 / 255.0, new Size(640, 640), new Scalar(0, 0, 0), true, false); ``` 4. **推理与后处理**：将预处理后的图像输入到模型中，获取分类结果。对结果进行后处理，包括解析输出、应用非极大值抑制（如果需要）等，以获得最终的分类结果。示例代码如下： ```csharp // 设置输入 net.SetInput(blob); // 前向传播 Mat output = new Mat(); net.Forward(output); // 后处理（此处省略具体后处理逻辑） // 例如解析输出、非极大值抑制等 ``` 5. **显示结果**：将分类结果显示在界面上，通过OpenCvSharp的图像显示功能实现。示例代码如下： ```csharp // 在图像上绘制结果（此处省略具体绘制逻辑） // 例如绘制检测框、显示类别和置信度等 // 显示图像 Cv2.ImShow("Result", image); Cv2.WaitKey(0); ```
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值